论文部分内容阅读
虽然混合生成式对抗网络(MGAN)改善原始生成式对抗网络存在的模式丢失问题,但是其多个生成器的采样概率均等,影响其在不平衡数据集上的表现。提出模式分工型MGAN,向MGAN的训练算法中加入混合权重学习环节从而按训练集中不同模式样本的占比分配各生成器的混合权重。在不均匀混合的人脸图像数据集上的实验表明,模式分工型MGAN可以生成质量更高的样本,且各生成器分工学习训练集分布中的不同部分,从而支持按类别采样。